当前位置:

基于深刻洞见的坚定与执着

来源:解放日报 作者:邓志东 编辑:李子璇 2017-08-16 10:04:17
时刻新闻
—分享—

《智能革命:迎接人工智能时代的社会、经济与文化变革》 李彦宏等著 中信出版集团

  清华大学计算机系、智能技术与系统国家重点实验室教授 邓志东

  《智能革命:迎接人工智能时代的社会、经济与文化变革》一书,由百度公司创始人、董事长兼CEO李彦宏牵头撰写,描述了即将出现的人工智能革命以及由此给社会、经济与文化带来的深刻变革。

  2012年注定是改变历史的一年。当加拿大多伦多大学的辛顿教授率领两名博士生参加著名的ImageNet比赛时,大数据、大计算与深度卷积神经网络实现了结合,改变自此开始。人工智能在经历了第二次高潮十余年之后,从停滞中再一次迎来了复苏。

  这一轮复兴来得如此迅猛,短短4年多的时间内,基于深度学习的视觉物体识别、人脸识别、唇语识别、语音识别与文本分类等,在各种国际公开评测数据中接近、达到甚至超过人类水平,广泛成为视觉识别、语音识别、自然语言理解中的主流方法。特别是谷歌的AlphaGo以超人类水平,横扫世界顶级围棋高手李世石与柯洁,引起了产业界、投资界、科技界、政府、媒体与普罗大众的强力关注。

  作为一种数据驱动型的通用的端到端学习方法,深度学习可应用于经济、社会与文化领域的各行各业。例如本书中涉及的特定应用场景或垂直细分领域就包括了人脸识别、智能问答、智能制造、智能社会、无人驾驶、智能金融、基于百度搜索与百度地图的大数据分析、智能家居、智能农业、智能生活、智能教育、智能翻译、智能律师、智能法庭、智能医疗、智能超市与智能机器人等,可谓包罗万象。

  现代科学的飞速发展让人类可以探究最宏观的宇宙大爆炸理论,也可以分析最微观的夸克世界。但什么是智能?智能的本质又是什么?这些与人类个体直接相关的问题,却长期没有得到准确的解答。在一般意义上,“智能”一词特指人类智能,包括从感觉到记忆到思维所定义的“智慧”以及由智慧所产生的行为与语言表达及其带来的“能力”之合称。简言之,智能实际就是智慧+能力。

  人类智能的鲜明特征表现为高级认知(如经验与思考)、动机与自我意识。人类的认知过程能够抽象并记忆物体的属性与知识描述,并能在未来的行为中使用这些描述。主要的认知能力包括学习、概念形成、理解、推理、规划、问题求解以及使用语言进行沟通的能力等。

  学习无疑是智能的显著特征,人类的大部分智能都是后天通过学习获得的,而且还是端到端的特征与知识学习,内部的微观实现机理同样是不可解释的。例如我们在弹钢琴时,输入是五线谱或人的音乐记忆,输出则是十个手指的位置与力度。人类通过有音乐教师的监督学习和长期自我苦练的强化学习,最终建立了“专业级别”的输入输出非线性映射。这种非线性映射显然就是演奏音乐的过程,无疑是人类的一种高级智能活动,而且充满了对生命的领悟及对情感的表达。然而,每个人对音乐的理解与演奏是不完全相同的;即使是同一个人,由于心情、情绪的差异,不同时刻弹出的同一首歌曲也是有所不同的,而这正是人类智能的魅力。

  这至少表明人类智能与学习、感知识别、记忆、理解、决策、思维、意识、规划、行动是强相关的。而任何人工智能或机器智能本质上就是对上述信息过程的模拟。

  书中阐述的大数据深度卷积神经网络与深度强化学习就体现了这种类人的端到端学习机制,其内部的分级分层自动特征表达与基于奖惩的“试错式”强化学习,在很大程度上支撑了新一轮人工智能的伟大复兴。

  李彦宏对深度学习有着深刻的理解。《智能革命:迎接人工智能时代的社会、经济与文化变革》一书深度扫描了百度公司在人工智能方面的前瞻性战略布局和全方位技术与产业成果。百度已经成为中国在人工智能、自动驾驶领域的“符号”与人才输出的“黄埔军校”,也是在上述产业方向布局最早、投入最多、涉足垂直领域最多、人才储备最为完整的巨头型企业。

  未来已来。在完备大数据与超强计算能力的支撑下,尽管目前的深度学习方法确实具有了上面定义的“智能”水平,已在几乎所有的细分领域应用中取得了历史上最好的效果,但目前的深度学习方法也存在着许多根本性的缺陷。例如深度卷积神经网络模型还不能处理小数据、小样本,深度学习方法只是一种适用于特定应用场景或细分领域的弱人工智能,尚不能处理多任务的学习,而且模型本身仅是一种全局逼近网络,其局部极值问题不可避免。

  最重要的是,相对于人类智能,目前最大的挑战是内部表达的不可解释性、识别结果缺乏语义理解以及还未找到与规则、知识和推理进行有效结合的途径。从这种意义上说,迈向认知智能、通用人工智能与强人工智能之路仍然充满荆棘与不确定性。正因为如此,人类对人工智能发展的恐惧与担忧,至少在目前看来是缺乏理据的。在这方面,本书的许多评述无疑是客观与理性的。

阅读下一篇

返回红网首页 返回阅读频道首页